La Prédiction des Routes avec les Règles Séquentielles dans les Réseaux VANET

Abstract

De nos jours, la prédiction de futur mouvement d'un objet mobile a attiré une attention croissante des chercheurs. Elle est une tâche ayant de multiples applications surtout pour les systèmes de transportation intelligents (STI) et services basés sur la localisation (SBL). Plusieurs modèles de prédiction ont été proposés dans la littérature basés sur la fouille de données (ex: les réseaux de neurones, les règles séquentielles) ou des modèles statistiques (ex. modèle de Markov). La génération des règles séquentielles est un sujet de recherche actif et largement appliqué pour nombreuse applications du monde réel. Récemment, plusieurs extensions du problème de génération des règles séquentielles ont été proposées. Dans ce mémoire, nous proposons d'utiliser les règles séquentielles pour la prédiction des routes. Nous suggérons ainsi à appliquer un nouveau type des règles appelé règles séquentielles partiellement ordonnées (POSR) dont le but est de étudier et comparer les performances de ce nouveau type avec les règles séquentielles standard. Notre proposition a été évaluée en utilisant une large trace synthétique de mouvement des véhicules. Les expériences ont montré des résultats prometteuses avec l'utilisation des règles séquentielles dans le problème de prédiction des routes.